Success stories
Get to know our projects: what objectives were set, what challenges we faced, and what results were obtained.
Success stories
Here are some clients who trust us for their digital transformation.
Generative AI
We developed a Generative AI platform to optimize the prototyping and design of industrial systems.
Improve your knowledge about customers by turning data into intelligence.
optimización
We optimize operating costs through the selection of the best routes, times and movements.
Professional Services
We create software specialized in legal terminology. Beyond digitizing documents, we classify information optimally.
Banca y finanzas
We leverage big data processing to segment customers, prevent fraud, generate insights and develop business strategies.
Health
Together with prestigious institutions in the healthcare sector, promoting research and the improvement of quality of life through the use of AI.
- IA Generativa y agentes
GENERATIVE AI FOR INDUSTRY 4.0
OBJECTIVES
Investigar y desarrollar una plataforma de IA Generativa para la industria 4.0 que optimice el prototipado y diseño de sistemas industriales complejos, reduciendo costes, mejorando la calidad y acortando tiempos de desarrollo con mayor seguridad.
CHALLENGES
Abordar el proceso de diseño de sistemas industriales intensivos en software en sectores tan diversos como el naval, industrial, ferroviario y aeroespacial. Cada sector tiene requisitos, normativas y circunstancias específicas diferentes, lo que requiere un enfoque disruptivo capaz de adaptarse a esta amplia variedad.
RESULTS
The expected outcomes of the project are:
- Análisis semántico de audio: Transcripción automática de conversaciones entre stakeholders del proyecto de diseño.
- Transformación de lenguaje natural: Convierte requisitos expresados en lenguaje cotidiano en requisitos formales de diseño.
- Clasificación y extracción de entidades: Procesa texto técnico específico de los dominios naval, industrial, ferroviario y aeroespacial.
- Generación de imágenes 2D: Transforma descripciones textuales (como configuraciones de drones) en representaciones visuales.
- Analysis of AI models that generate 3D views from the above 2D and text representations.
AGENTE PARA COMUNICAR INCIDENTES A USUARIOS
OBJECTIVES
Secure&IT, empresa líder en seguridad de la información, necesitaba comunicar incidentes de ciberseguridad de manera clara y eficiente. Las plantillas estándar resultaban impersonales y no proporcionaban contexto suficiente para que los clientes comprendieran la magnitud y naturaleza de los problemas. Al mismo tiempo, sus analistas permanecían ocupados gestionando crisis complejas en tiempo real.
CHALLENGES
Orquestar diferentes fuentes de información de ciberseguridad mediante herramientas del agente: bases de datos de exploits, consultas de IPs, logs, etc. En muchos casos, las herramientas devolvían contexto complejo (por ejemplo, millones de filas de registros que no caben en la ventana de contexto del LLM), por lo que fue crítico un diseño correcto de estas herramientas.
RESULTS
Creamos un agente de IA que actúa como «traductor inteligente» que automatiza la comunicación de incidentes, conectándose a internet para buscar información actualizada y considerando el historial del cliente. Redacta mensajes detallados y contextualizados que explican el incidente, su importancia y las acciones tomadas. Los resultados del proyecto son:
- Automatización de comunicación de incidencias a usuarios, ampliando la profundidad de los análisis y reduciendo el tiempo de respuesta.
- Experiencia del cliente mejorada: Los clientes reciben explicaciones contextualizadas y detalladas sobre alertas de seguridad en lugar de respuestas genéricas, mejorando la calidad percibida del servicio.
- Herramienta interna adoptada: Más de 100 técnicos usan la IA como «ChatGPT especializado» para consultar dudas de seguridad, buscar sintaxis de comandos y obtener información sobre amenazas.
AGENTE PARA LA GESTION DE PEDIDOS
OBJECTIVES
El cliente, una compañía líder global cementera, necesitaba mejorar el sistema manual de llamadas telefónicas para la gestión de pedidos porque era ineficaz y propenso a errores debido a la complejidad y al lenguaje ambiguo utilizado por los clientes.
Procesar pedidos expresados en lenguaje natural no estructurado, con múltiples materiales y entregas, considerando restricciones logísticas, políticas empresariales, festivos y urgencias variables fueron los desafíos.
SOLUCIÓN
Implementamos un chatbot multi idioma interactivo que integre un Modelo de Lenguaje (LLM) con sistemas como WhatsApp, Salesforce y ERP. Este chatbot facilita a los clientes hacer pedidos mediante lenguaje natural, identificando automáticamente detalles como la empresa, ubicación de entrega, productos solicitados, fecha de envío y cualquier otra nota del cliente, como que el pedido es urgente.
El LLM extrae y estructura la información del pedido del cliente, garantizando el cumplimiento de políticas empresariales y restricciones logísticas mediante un sistema basado en reglas de negocio. Esta solución reduce la carga manual y mitiga errores derivados de malas interpretaciones.
Principales características o escenarios de la solución son la creación y modificación de pedidos complejos (múltiples pedidos y múltiples materiales) consideración de fines de semana y festivos nacionales antes de la creación del pedido, cancelación, añadir comentarios en el pedido, comprobar el estado, etc.
A través de WhatsApp, el sistema puede interactuar directamente con el cliente para aclarar detalles, ofreciendo hasta tres rondas de preguntas si es necesario. Si persisten las dudas, el pedido se transfiere a un agente humano.
RESULTS
Minimiza el esfuerzo manual y reduce errores aumentando el volumen de pedidos entrantes.
La interfaz conversacional intuitiva mejora la interacción y la adopción del sistema se optimiza a través de WhatsApp.
Respuestas en menos de 30 segundos y 90% de conversaciones resultan en pedidos confirmados.
Garantiza que todos los pedidos confirmados sean factibles logísticamente.
ASISTENTE DE IA PARA LICITACIONES
OBJECTIVES
El cliente, con más de 600 empleados, deseaba optimizar su proceso de licitación en la generación de ofertas a través de un asistente de IA para aumentar la tasa de éxito en las licitaciones y subvenciones públicas.
SOLUCIÓN
Plataforma IA basada en NLP, RAG y Agentes de IA, para facilitar consultas colaborativas, acceso seguro a información y generación eficiente de propuestas a subvenciones y licitaciones, reduciendo el tiempo de preparación de ofertas y garantizando el cumplimiento normativo en licitaciones.
El flujo comienza con un Extractor que analiza los documentos PDF que contienen las bases reguladoras de una subvención o licitación, y extraer de forma estructurada todas sus secciones y subsecciones preservando la jerarquía del documento y eliminando errores de interpretación.
A continuación, un Agente Escritor actúa como copiloto, que redacta borradores para cada sección. Este agente está dotado de múltiples herramientas, incluyendo varios RAGs dedicados que le dan acceso inmediato a la base de conocimiento institucional. El usuario puede iterar y refinar estas propuestas a través de una interfaz de chat, manteniendo el control creativo.
Finalmente, un Agente Evaluador utiliza la técnica LLM-as-a-judge para crear una rúbrica personalizada a partir de los criterios oficiales, calificando el borrador para asegurar su calidad.
RESULTS
The expected outcomes of the project are:
- Disminuye significativamente las horas dedicadas a la redacción, aumentando la productividad y permitiendo que el equipo se enfoque en la estrategia.
- Asegura que cada propuesta sea coherente con la Metodología y los requisitos de la convocatoria, reforzando la identidad institucional.
- Capitaliza el aprendizaje de solicitudes y correcciones pasadas, mejorando la calidad y coherencia de las propuestas.
ASISTENTE PARA LA GENERACIÓN DE INFORMES DE GESTIÓN
OBJECTIVES
El objetivo es desarrollar una interfaz de chat que posibilite a profesionales (educadores, directores de centro) consultar de manera ágil información específica sobre los menores gestionados en el sistema de gestión (por ejemplo, evolución de notas, actividades realizadas, incidencias, datos de contacto familiar).
Los retos abordados incluyeron el manejo mixto de datos, que consiste en combinar información estructurada en tablas con datos libres del diario de campo y, la identificación única de usuarios a través de IDs del sistema o un campo de “alias” para evitar ambigüedades.
SOLUCIÓN
Se desarrolló una interfaz de chat diseñada para asistir en la elaboración de informes y realizar consultas directas, integrando tanto datos estructurados (registros e incidencias) como texto no estructurado proveniente de diarios de campo en PDF. Esta herramienta permite extraer información clave de manera eficiente, facilitando el acceso a datos relevantes del sistema sin necesidad de recrear manualmente narrativas cualitativas complejas.
RESULTS
- Aumento en eficiencia operativa al reducir el tiempo de búsqueda y generación.
- Mejora en la calidad de informes con datos actualizados.
- Facilita la consulta rápida de información específica de cada menor mediante una interfaz de chat.
- Asiste en la elaboración de informes, proporcionando datos precisos sin la necesidad de generar texto cualitativo extenso desde cero.
- Gestiona datos estructurados y no estructurados, garantizando que la IA interprete correctamente los diarios de campo.
- Asegura la identificación única de cada usuario para mantener la integridad del sistema.
- Implementa controles de acceso que respeten los roles y permisos definidos en el sistema.
AGENTE EVALUADOR
OBJECTIVES
La plataforma educativa del Grupo SM permite a los docentes personalizar libros de texto respetando las normativas oficiales. El cliente quería desarrollar una solución automatizada que asegurara que tanto los contenidos originales como los personalizados cumplieran con los requisitos de competencias y criterios de evaluación establecidos por cada comunidad autónoma, garantizando así la calidad educativa dentro del marco regulatorio vigente.
SOLUCIÓN
Komorebi ha creado un módulo de IA basado en NLP para revisar automáticamente libros personalizados, garantizando su cumplimiento legal.
Extrae contenidos curriculares oficiales y estructura la información para facilitar su procesamiento. Al subir materiales, identifica las competencias específicas abordadas y las destrezas y conocimientos asociados, asegurando la alineación con el currículo oficial. Verifica todas las situaciones de aprendizaje y emite alertas y sugerencias, asistiendo a los docentes en el diseño de libros de texto personalizados y asegurando su legalidad antes de la impresión.
RESULTS
The expected outcomes of the project are:
- Experiencia de aprendizaje hiper-personalizada y adaptada a las propias necesidades del alumno, mejorando el rendimiento integral gracias a contenidos de calidad y legalmente validados.
- Optimización de la eficiencia en la generación de contenidos personalizados para las instituciones educativas, reduciendo costes mediante producción bajo demanda.
- Permite a los educadores mejorar los resultados del aprendizaje y dar respuesta a las necesidades cambiantes en la creación de contenidos educativos personalizados y la impresión bajo demanda.
OPTIMIZAR LA GESTION LOGISTICA PARA PEDIDOS
OBJECTIVES
Una compañía líder global cementera, deseaba optimizar su metodología para la asignación de camiones a pedidos, y rutas a seguir para poder automatizar el proceso y mejorar su eficiencia en la recogida y entrega de pedidos. En este caso concreto, se debía sustituir el sistema previo, ya que no funcionaba según sus reglas de negocio y tenía problemas evidentes en sus simulaciones.
CHALLENGES
Code not very maintainable and difficult to understand as it is not documented and absence of a global vision of the optimization problem to be solved from a mathematical point of view.
RESULTS
Komorebi rediseñó el sistema de gestión de pedidos, integrándolo con los ERP existentes para evitar costes adicionales de desarrollo y tarifas.
Este rediseño incluye la optimización de rutas recorridas por los camiones, teniendo en cuenta la localización de las distintas bases, el tráfico y restricciones de negocio; la automatización de asignación de pedidos minimizando el coste, el número de camiones necesarios y las emisiones y por último, la capacidad de personalizar el modelo según las restricciones específicas de cada país.
Los beneficios del proyecto son:- Nueva formulación del problema matemático para la gestión de rutas, logrando más del 9% en ahorros y reduciendo la planificación a solo 15 minutos.
- Su adaptabilidad permite ajustes específicos por país, disminuyendo costos operacionales, uso de combustible y contaminación.
- Optimizar la usabilidad del sistema contemplando restricciones y preferencias comerciales específicas, para el personal de logística.
GEMELO DIGITAL PARA OPTIMIZAR LA EFICIENCIA OPERATIVA DEL ASTILLERO
DESAFÍO
Un astillero líder en reparaciones, mantenimiento y conversiones de buques y unidades offshore buscaba mejorar su eficiencia operativa. Necesitaba una herramienta que permitiera simular escenarios, optimizar la asignación de recursos y anticipar cambios en el entorno operativo para fundamentar la toma de decisiones.
La planificación de un astillero implica coordinar múltiples variables interdependientes: dimensiones de los buques, tareas requeridas, plazos de entrega, disponibilidad de calles de varada y restricciones operativas. Cualquier cambio en una variable impacta en cascada sobre el resto de la planificación.
SOLUCIÓN
Desarrollamos un Gemelo Digital: una plataforma de simulación y optimización que automatiza la asignación de espacios y recursos. El sistema considera las dimensiones de cada buque, sus tareas programadas y los plazos comprometidos, respetando las restricciones operativas y prioridades del astillero.
La plataforma permite ejecutar simulaciones «what-if» para evaluar escenarios como la aceptación de nuevos proyectos, retrasos en reparaciones o demoras en llegadas previstas.
RESULTS
Los resultados del Gemelo Digital son:
- Maximiza el uso de recursos y permite simular diferentes escenarios para optimizar el aprovechamiento de las calles de varada.
- Recomienda trabajos y subcontrataciones, prioriza emergencias y reprograma tareas con rapidez.
- Integra mantenimiento y simula escenarios «What if».
- Proporciona análisis predictivos, identificando cuellos de botella y anticipando los ajustes necesarios para lograr una planificación precisa y efectiva.
- PREDICCION Y ANALISIS DE DATOS
SALES PREDICTION
DESAFÍO
PlayStation enfrentaba una complejidad inédita en la predicción de ventas de la PS5 debido a las disrupciones causadas por la pandemia. Entre marzo 2020 y diciembre 2022, las roturas de stock prolongadas distorsionaron completamente los patrones históricos de demanda, invalidando los modelos de forecasting tradicionales. Sin predicciones fiables, los equipos de producción, marketing y distribución operaban con incertidumbre sobre volúmenes de inventario necesarios, inversión publicitaria óptima y planificación de promociones.
Los modelos previos, basados únicamente en ventas históricas, fallaban sistemáticamente porque no podían distinguir entre demanda real y demanda reprimida por falta de stock. Esto generaba forecasts que oscilaban erráticamente entre sobreestimaciones (cuando asumían que la demanda reprimida se convertiría inmediatamente en ventas) y subestimaciones (cuando ignoraban el interés acumulado durante los periodos sin disponibilidad). La organización necesitaba un enfoque que capturara la demanda latente y el comportamiento del mercado más allá de las transacciones completadas.
SOLUCIÓN
Komorebi desarrolló un modelo predictivo que integra múltiples fuentes de información para capturar la demanda real del mercado independientemente de las restricciones de oferta. El modelo utiliza el ciclo de vida completo de la PS4 como baseline comparativo, ajustando por diferencias generacionales y contexto de mercado.
La innovación clave del modelo radica en la incorporación de datos externos que reflejan el interés real del consumidor: volúmenes de búsqueda en Google Trends para términos relacionados con PS5 y datos de la base instalada de jugadores activos (GameTrack). Estas señales externas permiten estimar la demanda latente durante periodos de stock-out y validar si los picos de ventas responden a demanda genuina o simplemente a disponibilidad temporal de inventario.
El modelo descompone las ventas en componentes interpretables: tendencia de largo plazo del ciclo de vida del producto, estacionalidad (picos navideños, back-to-school), efecto de promociones puntuales y variaciones de precio. Esto permite cuantificar el impacto específico de cada palanca comercial:
- Efecto Promo: El modelo aprende cuánto aumentan las ventas durante una semana de promoción. Por ejemplo, estima el incremento extra de ventas semanales al hacer una promo de -50€ en el precio de venta de la PS5.
- Efecto Precio: De modo similar, se modela el impacto de una bajada de precio permanente, la cual tiene un efecto sostenido en el tiempo.
Adicionalmente, el modelo segmenta la demanda entre nuevos compradores (usuarios que entran al ecosistema PlayStation por primera vez) y upgraders (propietarios de PS4 que renuevan su consola), proporcionando insights granulares para estrategias de marketing diferenciadas.
RESULTS
97,5% de precisión en forecasting mensual
Creación de un modelo que represente bien y alinee la visión de los equipos de ventas y marketing.
Permite entender la contribución del precio y las promociones a las ventas y así poder justificar mejor las cifras de ventas y ganar credibilidad en el forecast.
CTR PREDICTION
OBJECTIVES
En el año 2017, uno de los principales fabricantes de automóviles del mundo y el mayor de Europa, necesitaba medir el retorno de la inversión (ROI) y predecir el rendimiento de los datos y las campañas para maximizar la inversión en publicidad.
El objetivo consistía en predecir el Click Through Ratio (CTR) que es el componente clave para optimizar las campañas. Estimar la probabilidad de que una impresión con un determinado conjunto de características, como la ubicación, el tipo de dispositivo, etc., conduzca a anuncios más eficaces para aumentar el interés.
El cliente no contaba con una herramienta analítica predictiva en este ámbito y por tanto el proyecto tenía un carácter de investigación/exploratorio sobre el marketing de precisión.
CHALLENGES
Debido al elevado número de interacciones al mes entre usuarios y anuncios que generan los adservers, era decisivo diseñar un modelo que explotara la estructura de estos datos, de forma muy eficiente, en tiempo y memoria técnicas, de sistemas de recomendación: 150M impresiones (2 meses de campaña), estructurados como variables categóricas, con clases muy desbalanceadas.
RESULTS
Creation of a personalized and predictive CTR model with adservers data, analyzing more than 100 million monthly interactions between users and ads with F1-score metrics: 70%.
Cognitive basis for recommending an ad in a precision marketing context.
SALES PREDICTION
OBJECTIVES
In 2018, the leading global foodservice retailer, with sales of more than €950 M in Spain, wanted to improve predictive marketing accuracy and specifically, measure return on investment (ROI) by predicting weekly sales of its franchises (>420), and maximize advertising campaigns by controlling investment by channel.
CHALLENGES
Gran cantidad de datos no estructurados, provenientes de diferentes fuentes (4 años de ventas, campañas publicitarias, clima, eventos sociales y deportivos, vacaciones, etc.)
Este proyecto de carácter investigativo/exploratorio requería el diseño de un modelo de datos personalizado, alineado con el estado del arte (utilizando técnicas de machine learning y series temporales), que pudiese predecir con alta precisión:
- Las ventas semanales en cada restaurante durante un periodo de cuatro años.
- Datos sobre campañas publicitarias (radio, TV, vallas, online).
- Influencias del clima, eventos sociales y deportivos, vacaciones, así como su correlación positiva o negativa con las ventas.
RESULTS
Decision support system that allows forecasting sales for the coming weeks with 96% accuracy, based on environmental variables and investment levels in different advertising channels.
Identification of the weight of each channel in sales (Simulation of counterfactuals) that maximizes the return of advertising campaigns, helping to decide the allocation by channels and scheduling over time.
IDENTIFICATION OF THE OPTIMAL HARVEST TIME IN OLIVE GROVES
OBJECTIVES
Automatic and accurate identification of the optimal harvest time in olive groves in order to maximize the production of the highest quality olive oil, virgin and extra virgin.
CHALLENGES
Construction of a Smart-Agriculture tool based on Smart-Agriculture, massive data processing of the olive value chain. This tool relies on different technologies to obtain, store and process large amounts of data from various sources.
RESULTS
The future BeHTool platform builds three fundamental components:
- Obtaining information coming from sensor networks, satellites and weather stations.
- Management of all the above information and combination with data from olive groves and mills, such as phenological state and production.
- Advanced analytical capabilities and predictive models that, based on the data collected and stored in the previous modules, issue predictions.
CUSTOMERS CLUSTERIZATION
OBJECTIVES
A bank with more than 3 million customers wanted to segment its customers based on their bank card transactions and according to five areas (how, where, when, when, how much, what) and to chart trends in the evolution of consumption patterns.
CHALLENGES
Large volume of data with over 3 million customers with a number of transactions semi-annually around, ~190M banking transactions, with ~40 columns, need for business sense cluster interpretation.
RESULTS
Komorebi desarrolló la concepción y programación de los modelos de clustering escalables de clientes y desarrollo de un dashboard interactivo para la interpretación de los modelos y las diferentes tendencias.
De esta manera se pudo categorizar a los clientes según su nivel de digitalización debido al impacto del Covid y relevo generacional de sus clientes.Estos segmentos se utilizaron para que el equipo comercial pudiera hacer cross selling de forma más eficiente, y ser utilizados como características de otros modelos (scoring de créditos). Como resultado del modelo se consiguieron segmentar el total de 3 millones de clientes en 6 grupos.
Estos modelos de clustering escalables sirven como entrada de otros modelos del banco: predicción de renta, propensión a consumo y medida de similaridad entre clientes y comercios. Es decir, permite fidelizar a sus clientes al ofrecerles productos y servicios más personalizados y seleccionar los canales de marketing idóneos para cada audiencia.
PREDICCIÓN DE ENFERMEDADES CARDIOVASCULARES
OBJECTIVES
The Instituto de Salud Carlos III together with Quirón Prevención, which provided the anonymous data used in this study and supported the analyses and interpretation, wished to determine the influence of different factors on the risk of cardiovascular disease.
CHALLENGES
Maintain the highest scientific standards to be accepted in prestigious journals; using non-standardized data from many sources; with more than 500,000 patients with multiple medical recognitions over the years.
RESULTS
Publication of study results in the European Journal of Preventive Cardiology. Through the homogenization of textual information, evidence is provided on how physical activities can reduce the risk of serious diseases.
ANALITICA AVANZADA DE IMPACTO INSTITUCIONAL
OBJECTIVES
El cliente, una institución humanitaria de carácter voluntario que trabaja por la inclusión social, la salud y la respuesta ante emergencias (con más de 14.000 empleados y 900 millones de euros de facturación), deseaba desarrollar una herramienta integral de procesamiento y visualización de datos para analizar y presentar de forma clara el impacto de sus acciones en relación con los Objetivos de Desarrollo Sostenible (ODS).
Los desafíos técnicos se centraron en corregir inconsistencias en los formatos de identificadores y errores de geolocalización en centros y municipios. Asimismo, se debió gestionar el riesgo de duplicidad de datos derivado de la estructura semestral de los reportes y la complejidad de integrar grandes volúmenes de información heterogénea proveniente de diversas áreas de la organización.
SOLUCIÓN
La solución consiste en el desarrollo de una plataforma de visualización interactiva que automatiza el procesamiento de datos mediante scripts de Python para extraer, limpiar y calcular el impacto de las acciones de la entidad en relación con los ODS.
Tras almacenar los resultados de forma eficiente en Azure Blob Storage, la herramienta utiliza Power BI para ofrecer dashboards dinámicos y escalables que permiten filtrar la información por variables demográficas (sexo, edad) y geográficas, facilitando un análisis detallado del impacto acumulativo y temporal a través de indicadores visuales intuitivos como mapas y gráficos de sinergias.
RESULTS
- Comunicación clara y accesible de los logros organizacionales en todos los niveles.
- Datos depurados y consistentes gracias a procesos automáticos de validación.
- Segmentación geográfica y demográfica para entender mejor el alcance de las acciones.
CREDIT CARD FRAUD DETECTION
OBJECTIVES
Dada una transacción con tarjeta bancaria, desarrollar un sistema para gestionar alertas y predicción en tiempo real de si es fraudulenta o legítima.
Desarrollo de sistema de ayuda a la decisión para gestionar alertas: decidir cuándo alertar o suspender una operación teniendo en cuenta todos los costes involucrados.CHALLENGES
Large data set (+150 million payment transactions). Need to perform model inference in real time ( in order to avoid customer lag at checkout).
Need to perform model inference in real time (so that the customer does not perceive a delay when paying).RESULTS
36% improvement over previous accuracy.
Fraud classification models improving accuracy and keeping false positive rate (customer inconvenience) under control.
With the information gathered from the project data, a study was conducted on the behavior of the fraudsters.ANALISIS DE DATOS PARA MEJORAR EL RENDIMIENTO OPERATIVO Y COMERCIAL
OBJECTIVES
El líder en anuncios clasificados de vehículos necesitaba mejorar la precisión de decisiones comerciales y eficiencia operativa ante un creciente entorno de datos. Requería integrar nuevas fuentes de datos eficazmente sin interrumpir operaciones, desarrollar estrategia de precios adaptable y basada en datos, y reducir el riesgo de bajas mientras optimiza la retención de clientes mediante una visión proactiva y centrada en datos.
SOLUCIÓN
La solución implantada por Komorebi AI cubre tres estrategias clave: automatización y centralización de datos para optimizar el negocio actual, mejorando el upselling y reduciendo riesgos; implementación de un sistema de pricing dinámico para minimizar costos y maximizar ingresos; y captación de nuevo negocio priorizando los leads con más potencial.
Además, se mejoró la prevención de bajas a través de sistemas de seguimiento que identifican clientes en riesgo, facilitando intervenciones personalizadas. La actualización constante de la información permitió crear acciones específicas de retención y adaptar estrategias preventivas con mejores prácticas.
RESULTS
Optimiza las decisiones estratégicas y operativas, mejorando la eficiencia en ventas y retención de clientes.
La automatización y centralización de los procesos han reducido costes y tiempos de gestión, mientras que el análisis avanzado de datos ha impulsado la innovación y la diferenciación competitiva en el mercado.
La optimización del datalake ha facilitado la integración eficiente de nuevas fuentes de datos y ha mejorado el rendimiento global del sistema, consolidando una cultura empresarial basada en datos, con una única fuente de verdad robusta y uniforme, que facilita la escalabilidad y la adaptación a nuevas necesidades del negocio, asegurando una ventaja competitiva sostenible en el sector.
SENTIMENT ANALYSIS
OBJECTIVES
The client in the digital consulting services sector, wanted to develop a tool that would allow them to collect texts from any source to analyze the information, understand it and take action on the work environment and monitor the opinion, emotion or attitude of employees.
CHALLENGES
Need for robust model with high accuracy in order to increase the % of correctly classified texts without adding computational cost.
RESULTS
Development of a multi-label text classification and sentiment analysis model with 96% accuracy that helps to adopt new strategies and make decisions in an agile way. Use of state of the art models in NLP (Transformers): contribution to Hugging Face. Active learning techniques: zero-shot learning, entropy-based intelligent labeling.
ANALISIS DE REDES SOCIALES
DESAFÍO
Identificar y analizar en redes sociales (específicamente Twitter/X) mensajes que reflejen discriminación, rechazo, mitos o bulos hacia las personas mayores. Comprender cómo la sociedad posiciona la vejez, la invisibilidad de las capacidades de este colectivo y cómo estas percepciones condicionan su calidad de vida y la convivencia en comunidad.
El análisis de redes sociales requiere procesar grandes volúmenes de mensajes, filtrar contenido irrelevante y clasificar el tono emocional con precisión. Además, las consultas debían estar geolocalizadas en España y enfocadas en temáticas específicas: soledad, maltrato y situación económica de los mayores.
SOLUCIÓN
Desarrollamos un sistema de analítica que integra IA en dos niveles:
- Filtrado: Un modelo de lenguaje descarta automáticamente el contenido irrelevante.
- Clasificación: Un modelo especializado categoriza cada mensaje en siete categorías emocionales distintas.
RESULTS
Obtener una visión cuantitativa y cualitativa real sobre la percepción social de la vejez en entornos digitales.
Detección de tendencias: Identificar si el discurso público hacia los mayores mejora o empeora a través de indicadores emocionales.
El sistema automatizado permite procesar grandes volúmenes de datos en tiempos reducidos y los resultados permiten a la organización ajustar sus estrategias de comunicación y programas de apoyo para combatir el edadismo y la soledad no deseada.
ASOCIACIÓN DE BASE DE DATOS
OBJECTIVES
El cliente, enfocado en movilidad, seguridad vial y posventa de automoción, se enfrentaba a un reto comercial de mejorar la vinculación entre sus bases de datos de modelos de vehículos, JATO y Base7, con millones de registros. La solución presentaba problemas críticos: consumo excesivo de memoria, fragmentación en notebooks de Jupyter no automatizables, y carecía de reproducibilidad entre entornos. Esta situación generaba ineficiencias operativas y limitaba la capacidad para mantener información vehicular completa y actualizada.
El proyecto se centró en refactorizar los componentes para crear un pipeline de vinculación de registros automatizado y sostenible en producción, minimizando la deuda técnica.
SOLUCIÓN
La solución desarrollada enlaza las bases de datos JATO y Base7, minimizando la deuda técnica para la organización, e incluye actualizaciones automáticas, escalabilidad y una interfaz para enlaces manuales para adaptarse a cualquier complejidad o insuficiencia de información.
RESULTS
Vincular diversas bases de datos de millones de registros para afinar el precio y el margen de los seguros de coche personalizables.
Se implementó un sistema de etiquetado asistido para casos ambiguos, y transferir conocimiento completo al equipo del cliente para garantizar autonomía en el mantenimiento futuro del sistema.
A pesar del aumento en tiempo de ejecución y uso de RAM con más datos procesados, el algoritmo se mantiene dentro de las limitaciones de RAM, conservando todas las funciones sin sacrificar características para optimizar el tiempo, lo que resulta en ahorro de costos de infraestructura.
- NLP
IA Y NLP EN FINANZAS
DESAFÍO
La gestora líder independiente en España especializada en Fondos de Inversión y Planes de Pensiones, necesitaba extraer valor de las interacciones almacenadas en su CRM. El objetivo: convertir notas y correos en información estructurada para personalizar la experiencia del inversor, anticipar problemas y detectar oportunidades comerciales.
El proyecto presentaba complejidades técnicas específicas:- Definir categorías de clasificación útiles para el negocio sin sobredimensionar el esfuerzo de etiquetado.
- Diseñar prompts efectivos para LLMs capaces de procesar textos abreviados y con jerga financiera.
- Gestionar el límite de 128.000 tokens en procesos de chat y resumen sin perder contexto relevante.
SOLUCIÓN
Aplicamos NLP y técnicas como el reconocimiento de entidades (NER) y la clasificación de texto con LLMs. Esta solución incluye una interfaz gráfica para estudiar las interacciones clasificadas y una herramienta para analizar la calidad de la información recopilada en el CRM.
La solución también ofrece un chat que facilita las consultas de datos y la generación de resúmenes. Esto permite a los usuarios acceder rápidamente a información crítica y comprenderla, lo que contribuye a desarrollar estrategias de gestión de riesgos y negocios más efectivas.
RESULTS
Mejora la satisfacción de los inversores permitiendo la personalización de servicios según sus necesidades y sentimientos.
Detecta anomalías para asegurar calidad y cumplimiento.
Optimiza las relaciones haciendo que las interacciones sean más relevantes y pertinentes, aumentando la eficiencia del equipo de gestión.
NLP IN END-TO-END LEGAL TEXTS
OBJECTIVES
In 2018, the leading company in Spain in the provision of legal information, wanted to classify, tag and identify key data automatically from a large corpus (1M+) of constantly growing judgments and legal documents and be able to manage the search needs on these documents for decision making.
CHALLENGES
Start with unlabeled data, which given the very specific legal and Spanish language context makes the use of pre-trained tools impossible. Requires use of annotation tools and active learning strategy and SOTA tools in 2018.
RESULTS
Classification system of judgments and documents according to legal categories organized by numerous hierarchical classification levels with an accuracy of more than 90%.
Semantic search is 22 times more efficient than the previous solution, which significantly reduces operational time and increases service productivity.
STRUCTURING OF BREAST CANCER REPORTS
OBJECTIVES
El Hospital Puerta del Mar de Cádiz deseaba ahorrar tiempo de sus facultativos y aumentar la productividad del servicio de Anatomía Patológica en la elaboración, clasificación y codificación de los informes de cáncer de mama.
El contenido de los informes se encontraba en texto natural, dictado o escrito por el profesional clínico. Se debía extraer información relevante sobre la intervención, carácter, tamaño del tumor y grado y tipo histológico.
El objetivo del proyecto es el desarrollo, implementación y despliegue de varios modelos de Procesamiento de Lenguaje Natural (NLP) destinados a estructurar y codificar informes clínicos.
CHALLENGES
Informes en lenguaje no estructurado con múltiples clases (400+).
RESULTS
- Development of two independent coding models (based on SNOMED-CT terminology) and integration of the models with speech recognition.
- Saved the time of its physicians and increased the productivity of the Anatomic Pathology service.
- Multi-class classifier with 86% accuracy and 87% F1 for more than 400 classes.
- NER: 90% F1 score with 4 different entities.
- VISIÓN ARTIFICIAL
VISION ARTIFICIAL PARA MEJORAR LA SEGURIDAD VIAL
OBJECTIVES
El reto principal al equipar al cliente con modelos de IA es prefiltrar las imágenes para detectar potenciales infracciones de cinturón y dispositivo móvil, reduciéndolo a un volumen abordable para la validación manual. Esto implica desarrollar modelos precisos en el reconocimiento de imágenes, garantizar escalabilidad y facilitar la integración tecnológica, mejorando así la eficacia operativa.
SOLUCIÓN
El sistema está diseñado para detectar infracciones de tráfico (específicamente el uso de teléfonos móviles y la falta de uso del cinturón de seguridad) mediante el análisis de imágenes de la DGT (Dirección General de Tráfico). El sistema genera una eficiencia operacional y aprovecha mejor el tiempo y los recursos del personal, al reducir el volumen de imágenes que requieren revisión humana (con un 85% de reducción).
Asimismo, con un índice de riqueza del 91%, la solución filtra con alta precisión imágenes que efectivamente contienen infracciones, incrementando la fiabilidad de los procesos de revisión.
RESULTS
- Mayor eficiencia en la Detección de Infracciones al automatizar y agilizar el prefiltrado de conductas peligrosas, como no usar el cinturón de seguridad y el uso de dispositivos móviles.
- La solución es capaz de cargar imágenes manualmente, donde el técnico puede definir el umbral, que es el valor que determina a partir de qué nivel de probabilidad el modelo considera que una situación es una infracción potencial.
- Capacidad de escala al procesar más de 80.000 imágenes por hora.
- La imagen se revisa manualmente solo si se detecta una posible infracción.
- La automatización y mejora en la detección de potenciales infracciones permite disminuir los costes relativos a la revisión manual de un vasto volumen de imágenes.
FRICTIONLESS IN-STORE PURCHASING
OBJECTIVES
Ghop is a smart, staff-free, 24-hour physical store in which, customers can choose products from the shelves and perform a fully automated checkout process for maximum customer convenience.
The aim of the project is to reduce operational costs and improve the customer experience.
CHALLENGES
The challenge involves in-store customer detection, position estimation and tracking of their purchase paths using a multi-model deep learning system.
Each task is optimized for real-time inference on low-cost hardware, with a focus on achieving customer position estimation with an accuracy of approximately 10 cm in real-time.
RESULTS
An API-accessible machine vision system that processes real-time video from in-store cameras to determine occupancy, track people and identify selected products, reducing costs by minimizing constant monitoring of streaming video.
The system also collects data for future analysis, such as shelf optimization and trend studies. It can also identify the demographics of incoming customers and those who purchase each product. This data can then be used to improve online marketing strategies by targeting the right demographic segment.
AUTOMATIZAR LA SUSCRIPCIÓN DE POLIZAS DE AUTO
OBJECTIVES
El cliente requería gestionar de manera automática la suscripción de pólizas desde el dispositivo móvil del asegurado. Esto se lograría mediante la recopilación digital de evidencias para verificar al instante el estado del vehículo. Esta solución permite una reducción significativa del fraude y una aceleración del proceso de suscripción.
SOLUCIÓN
Basándose en la tecnología de Insurmapp, se desarrolló una herramienta personalizada para la validación de imágenes de automóviles, accesible mediante una API. Esta herramienta clasifica automáticamente las imágenes de los vehículos, analizando diversos aspectos como el tipo de imagen (interior, exterior, bastidor) y la posición del vehículo (frontal, lateral), entre otros. Además, incorpora un detector que verifica si las ruedas son visibles en la imagen y si no están cortadas.
A partir de los datos de clasificación y aplicando heurísticas para fortalecer el modelo, cada imagen se categoriza como válida o inválida. Las imágenes válidas se subdividen en diferentes categorías para asegurar que cumplen con los estándares del proceso de alta.
La API está desplegada en AWS y cuenta con un balanceador de carga que distribuye las solicitudes entre distintas máquinas, garantizando un comportamiento estable del servicio.
Este sistema es fundamental para las empresas de seguros, donde la validación automática de las fotos del vehículo es esencial para reducir los tiempos tanto para las organizaciones como para los nuevos clientes.
RESULTS
- Este sistema automatiza y acelera la verificación de imágenes, minimizando la posibilidad de fraude al confirmar la autenticidad y el estado del vehículo, así como optimizando los recursos al evitar revisiones manuales tediosas.
- Simplifica y mejora la eficiencia del proceso de alta de nuevas pólizas, reduciendo el tiempo de suscripción de más de 8,000 pólizas de días a minutos.
- Además, proporciona una mejor experiencia tanto a las empresas aseguradoras como a sus clientes, logrando un proceso más sencillo y rápido.